下载掌阅APP，畅读海量书库
立即打开
进入21世纪后，计算机、通信技术继续加速发展，其底层逻辑和理论依然围绕信息处理效率和能力。狭义的数字化只关注数据获取和信息格式，当数据量充足之后，数字化的内涵和外延大幅拓展。广义的数字化关注信息的处理方式，强调信息的含义，并让数据发挥价值。
如果说数据是资产，那么工业企业的数据是易于采集、难以利用的资产。工业生产过程中，自然会产生大量的数据，如何让数据产生价值呢？
狭义的数字化特指数据采集，将物理空间映射到数字空间，如果不能反作用于物理世界，再多的数据也是虚幻的。信息存在于虚拟空间，只有与实体系统进行互动才能产生价值。数据作为新的生产资料，必须与其他要素互动才能产生价值。以数据为中心，能根据需要动态组织资源，比起固定层级的组织可以更有效地利用资源。数据驱动企业的经营活动，能更快、更有效地处理异常。
数字化是现有技术的新组合，尤其是信息技术（Information Technology，IT）与运营技术（Operational Technology，OT）的深度组合。信息化与工业化究竟该如何融合，目前缺少公认的方法论。这两个领域有各自的语言和思维结构，深度组合面临各种冲突、碰撞。从IT和OT的具体技术概念跳出来，用稍微抽象的系统科学可以更好地实现跨领域融合。有价值的智能，必须能够反作用于实体而构成一个完整的闭环，这恰好是控制理论所研究的范畴。因此，系统科学和控制理论可以作为数字化转型的底层理论。
图1-2显示了数字世界与物理世界的双向互动过程。数据必须形成决策，并驱动行动，才能改造物质实体而产生价值。能驱动行动的数据是有生命的，如果不能改变物质世界中实体的运行方式，再多的数据、再高级的智能都是毫无用处的。
图1-2 数字世界与物理世界的双向互动过程
数字化是对实际工业生产过程的重塑，闭环的数据流能改变工业实体的特性。快速流动的信息经过智能的算法自动形成决策，可以快速调控实际的生产过程，对资源进行更深度的优化。数字化加速了数据的流动，数据与实体生产以更快速、更有效的方式互动，通过提高反应速度，企业获得了灵活应对不确定性的新能力。
数字化需要系统科学的思路和方法。数字化与工业化的双向互动过程，可以用信息物理系统（Cyber Physical System，CPS）表达，其中C代表数字空间的虚拟系统，P代表物理空间的真实实体。CPS是计算机、网络通信和物理环境深度融合的复杂系统。如同互联网改变了人与人的互动模式一样，CPS将会改变我们与物理世界的互动模式。通过数字化接口，CPS实现了计算进程与物理进程的交互，在数字空间以远程、可靠、实时、安全、协作的方式操控物理实体。
从本质上说，信息物理系统是一个具有控制属性的网络。信息在软件和硬件之间流动，在不同时间、空间尺度上以新的结构（如循环因果、闭环负反馈、多环路嵌套等）耦合出新的有目的的行为，给机械的硬件注入生命。
任何具有自动控制机制的系统，尤其是通过一套软件实现了自动的反馈控制的系统，都可以将包含整个回路的系统视作CPS。随着数字化技术的发展和普及，使用计算机和网络实现功能扩展的物理设备将无处不在，并推动工业产品和技术的升级换代，极大提高汽车、航空航天、国防、工业自动化、健康医疗设备、重大基础设施等主要工业领域的竞争力。通过信息物理系统的方式，数字化不仅会改变企业的竞争力，还会重塑现有产业布局，催生新的工业生态，下一代工业将建立在信息物理系统之上。
企业有实际的生产活动，也有抽象的管理活动。过去20多年企业的信息化建设关注的是信息技术的使用，各种IT软件作为工具服务于人，提高人们获取信息和处理信息的效率。
信息化的系统是辅助性的工具，服务于人；而数字化的系统不依赖人，与设备和流程融为一体。信息化和数字化的对比如图1-3所示。虽然数字化也使用信息技术，但主要是内化嵌入到实体生产内部，数字化的设备可以自行采集数据，智能化的设备可以根据预设的逻辑自动处理业务逻辑，响应异常变化。
图1-3 信息化和数字化的对比
信息化是服务于人的，在人类的主观世界围绕管理活动展开。管理者利用计算机辅助自己，相当于将人的存储和计算功能外包给计算机，人则可以进行深度思考。
在信息化时代，数据通过提高人的工作效率而间接产生价值；而在数字化时代，数据已经成为独立的生产资料，直接创造价值。在具体的客观世界，数字化围绕企业的实际生产过程自主运作。
企业的信息化建设是围绕人提高管理层感知信息和认知信息的能力。随着技术的发展和成本的下降，机器之间也可以通信。借助大数据和云计算，机器可以拥有记忆，能够思考，变得智能。
主观世界的再多信息，对实体生产的影响仍然有很多限制。一旦实体的生产环节开始数字化，机器开始对话，就改变了过去僵化的运行模式和固定的参数设定，实体生产环节被自由连接，机器开始拥有智能，释放出无限的可能性。
信息化提高了信息处理的效率，而数字化提高了信息处理的效果。信息化是信息和通信的数字化，而数字化是产生控制和行动的信息化。
主流的工业企业以人为中心组织资源，以流程驱动业务。数字化企业以数字、模型驱动企业资源（组织、人、设备、资金等）的快速有效整合和调度。固定的组织架构和资源配置，由算法根据需求动态调度，通过分时复用而获得更高效的利用。
信息化是强管控的逻辑，员工单向获取信息，管理者全面获取信息，并发送指令。数字化是赋能的逻辑，一线人员获得更强大的支持，得到更多的授权，可以自行解决更多的现场问题。数字化强调信息自主闭环，机器设备也有可能根据预设的“智能”程序自动调节参数或配方，把以前需要专家和管理者才能解决的问题在一线直接解决了。信息化无法传递全部的现场信息，所以精益管理非常重视现地现物。但是，部署在设备附近的边缘计算可以自主解决现场问题，基于当下“鲜活”的数据自主做出决策。现地现物的思想理念，由数字化的软件来承载。数字化的这种模式最早在现代战争中得到应用，随着信息侦察系统的数字化，前线步兵可以快速呼叫空中火力支援，集团军的作战模式转变为特种作战小组与精确制导炸弹远程配合。
工业数字化的软件不再依赖手工操作，数据和信息在各软件模块之间自由流动、自动计算。数字化工厂就像孩子从“要我学习”变成“我要学习”一样，开始拥有了主动性，主动计算产生了机器的自主智能。
随着智能电子设备、边缘计算和物联网的发展，这些无处不在的信息感知和采集终端不再与人类直接接触，而是与环境直接联系，监测和改造周围的物理世界。
与传统的人在回路中的交互式计算相比，主动计算将人置于计算回路外（而不是在回路中）并应用于现场（而不是办公自动化），如图1-4所示。
图1-4 信息化和数字化的数据应用模式对比
推动数字化的动力是应对不确定性。商业竞争越来越复杂，我们无法预测或消除来自内部和外部的不确定因素，唯一的方法是在有苗头的时候就开始预防，及时采取措施补偿不确定性可能产生的影响。
引入闭环负反馈提高了企业的响应速度，能抑制控制回路中的不确定干扰。数字化构成完整的自动闭环，很多问题不需要人就直接解决了。即使需要人，也只是解决问题的一个部分，减少了大量的复杂分析，响应速度大幅提升。
2000年之前的数字化，主要是狭义的数字媒介技术，是指信息系统建设，为的是便捷地从现实世界获取信息。而现在的数字化概念很广，广义的数字化是信息化的更深入应用，要基于大数据、智能算法优化决策，甚至自动决策，不是指一个具体的技术，而是一种技术范式。
类比于计算机从模拟计算转变为数字计算机，工业的“数字化”也有类似的两层含义：
● 计算机取代人类处理信息的机械功能：将人类工作中的机械部分（信息收集、信息处理、决策、执行）剥离出来，由计算机（表现为软件系统）来实现。
● 计算机取代机器的计算功能：将机器设备中的计算功能剥离出来，由软件（计算机器）来完成。
表1-1对工业数字化的两层含义做了对比。
表1-1 工业数字化的两层含义对比
狭义的数字化的数据流向是单一的，在计算机的数字世界中感知和表达现实世界（即物理世界）；而广义的数字化的数据流向是双向的，数字世界与现实世界融为一体，数字世界可以通过信息流影响现实世界。
提高信息处理的效率，不仅能够处理大量的数据，更重要的是能有效地处理数据，产生真正的业务价值。在工业企业中，更关注利用数字世界的技术解决现实中的问题，比如提高效率、减少浪费、获取客源、消除风险等。
工业的数字化转型介于两者之间，是支撑企业业务变革的方案之一。工业数字化不单是技术，更是技术与业务的闭环融合，数字化技术要能构成一个完整闭环，改变业务决策机制，改进机制的闭环。只有完整的闭环，才能创造工业领域的价值。也许这个闭环的每一个环节并不是“数字”技术，但是只要促成了整体闭环的数字化提升，就是我们讨论的范畴。制约整个环路的最短板的环节，往往就是要突破的核心“数字”技术。
高级的数字化技术，若不能改变业务的价值链，形成业务的闭环改进，就不是我们讨论的范畴。更直白地说，只是花钱而不能赚钱的数字化，就不是真正的数字化，而是应该被戳破的“数字化泡沫”。
数字化就是在现有的生产实体之上，构建一个虚拟的数字空间，如图1-5所示。在数字空间中实时流动着的数据形成数据流，与物理空间中的实体生产之间良性互动，在数字化的软件调控下，提高实体生产的水平。同时，数字化也提高了公司的经营管理能力。经营管理的对象从具体的细节提升为抽象的数据，企业可以更好地执行宏观管理意图。
图1-5 数字化的内涵
数字化是用软件重新定义企业的实体业务。在具象层面，业务本身似乎没有大的变化，但是业务之间的衔接完全不同了。在设备、生产、运营、市场等企业经营方面，各业务似乎被一条无形的链条串在一起，实现了数据驱动，企业的弹性和动态响应能力得到系统性提升。
数据驱动有两方面含义：
● 业务数字化：在产线设备、工厂运营、公司经营的每一个层面，针对具体的场景，开发相应的数字化产品（即工业App），感知生产现状，在数字空间中进行最佳决策，并闭环调控。这决定了数字化的可能性，其理论基础可参照控制理论的能观性。
● 数字业务化：应用数字化产品，在软件辅助下改善实体的生产过程。这要求工厂的用户愿意改变原来基于经验的人工管理方式，愿意接受数字化的调控，执行数字化的决策。这决定了数字化落地的有效性，其理论基础可参照控制理论的能控性。
提到数字化的价值，人们首先感受到的是技术的工具价值：信息的获取更加方便，处理更加高效，人们随时随地可以便捷地沟通。数字化让企业与客户直接连接，更好地了解和服务客户，改善了客户体验，从而提升客户满意度和忠诚度。
随着人工智能技术的发展，计算机可以直接理解语义，并根据数据做出符合逻辑的决策。数字化不仅提高了人们获取信息、分析信息的效率，还能帮企业自动获取情报，拼接支离破碎的信息，提炼有价值的线索，并制定有效的决策。
然而，我认为数字化最重要的价值，是对现有业务的优化和新业务的创新。数字化技术是一种使能型的基础技术，从根本上推动了产品和服务的创新，实现了大规模定制，满足了个性化需求。数字化可以优化现有业务，降低生产成本，提高运营效率。利用大数据和人工智能技术，企业可以优化供应链管理，减少库存和物流成本。例如，实时监控和预测技术可以帮助企业更准确地安排生产和配送，减少浪费和延误。
虽然企业在经营过程中一直做持续改善和优化，但是反馈过程和迭代速度较慢。随着市场的变化和技术的发展，业务的不确定性加剧，传统的方法无法奏效，而由实时数据驱动的数字化，能赋能业务更好地应对波动和不确定性。
真实的业务活动，不可避免地存在变化。常见的做法是把波动进行拆解，把业务拆解到模块，把变化拆解到波动因子。如图1-6所示，可以把原始的业务波动拆解为多个因子：趋势分量、周期性波动分量、随机性波动分量。对于明确趋势的业务，把握住趋势就能从整体上把握业务的基本面。有些业务存在季节性或周期性的波动，比如：能源的消耗随天气而周期变化，电力系统就可以建立负荷预测模型，优化发电计划；在工厂的生产制造过程中，原材料可能有波动，生产工艺可能有波动，这些波动总体上符合统计分布，具有一定的规律，基于统计分析可以形成有效的全面质量管理方法。
对于有规律的波动，传统的统计分析和理性决策就能有效应对，但是越来越多的业务呈现出不具有统计特征的不确定波动，如图1-7所示。对于不可预测的不确定因素，无法提前做好充分计划，这时的应对策略只能是敏捷响应，提高韧性。数字化就是系统性地提高业务敏捷响应能力的新手段。
图1-6 业务波动的因子
图1-7 业务内在的不确定性
企业要破除对数字化技术的迷恋，从价值出发，走整合之路。数字化的价值创造，是通过对实体经济的优化来实现的，数字化必须附着于实体才能“施展才华”。工厂在数字化的加持下获得了新生，一改僵化、固定、机械的运作，开始有了灵气。与互联网科技公司不同，工业企业依赖工业产品的研发、生产和销售获取价值，数字化的价值不是来自数据本身，而是基于数据对实际业务的优化。工业实体像是巨大的杠杆，放大了数字化的价值，这要比把数字化当作工具的价值大得多。
数字化以动态的、柔性的智能，提高了适应不确定性的能力。工业时代积累的大量技术经数字化、智能化后，潜力被释放，焕发新的活力。早期的飞机基于液压机械舵，操控性比较差。20世纪70年代后，飞机开始升级为电传操纵，开始支持以数字化的方式进行全新的操控，反应速度大幅提高，可以在毫秒之内对变化做出反应，这改变了军用飞机的设计。以前，人类飞行员无法操作军用飞机迅速做出反应，而由计算机控制的电传操纵比人更精确、更快速，甚至可以纠正飞行员的糟糕决定。
数字化比较适合快速变化的业务，如果在成熟稳定的行业，内部非常稳定，自我突破的可能性越小，数字化的机会就越小。后工业时代，不确定性成为新常态。面对无法预期的不确定性，我们只能培养适应本能，以足够的好奇心来探索和追寻复杂性，创新求变，从不确定性中受益。
数字化不是一个固定的理想状态，而是持续信息量增加、复杂度提升的过程。数字化的程度跟企业的竞争挑战有关，与要处理的信息量和不确定性匹配。没有最好的数字化，只有最适合的数字化。
数字化并非万能，说到底，数字化的算法以计算机为载体，而现代计算机源自图灵机，只能解决图灵可计算的问题。数字化只能解决可以被计算的问题，无法做价值判断。只有清楚地了解数字化的能力边界，才能将数字化落地。数字化时代的机器越是强大，人的价值越是凸显。机器的智能是小聪明，而人类智者的洞见是真正的“智慧”，人需要实现自己的自由意志，选择企业的价值，实现企业的使命。